编者按：在人工智能浪潮席卷全球的今天，大多数企业仍沉迷于“数据饥渴”与“算力竞赛”的军备赛中，仿佛唯有不断堆砌服务器与参数，才能触及通用人工智能的圣杯。然而，一家名为“振翼飞机”的新兴AI实验室，却以1.8亿美元种子轮融资高调登场，背后站着谷歌风投、红杉资本等顶级投资机构。它提出的方向令人耳目一新：寻找一种更少依赖数据训练大模型的新路径。这不仅仅是一次技术路线的挑战，更可能是一场关于AI发展哲学的思辨——是继续在“规模扩张”的单一赛道上内卷，还是回归研究本质，为长远突破播下种子？或许，在算力狂飙的时代，我们需要这样的“逆行者”来拓宽AI的想象边界。

　　一家名为“振翼飞机”的新AI实验室于周三正式启动，并获得了来自谷歌风投、红杉资本和Index的1.8亿美元种子轮融资。其创始团队实力令人瞩目，而他们的目标——寻找一种对数据需求更低的训练大模型的方法——尤其引人关注。

　　就我目前所见，在“尝试盈利”的尺度上，我会将他们评定为第二层级。

　　但“振翼飞机”项目还有更令人兴奋的一点，这一点直到我读了红杉资本合伙人David Cahn的这篇文章后才豁然开朗。

　　正如Cahn所描述的，“振翼飞机”是最早超越“规模扩张”范式的实验室之一。所谓“规模扩张”，即无休止地堆砌数据和算力，这至今仍是行业的主流定义：

　　规模扩张范式主张，集中社会尽可能多的资源，全力扩展当前的大型语言模型，以期以此实现通用人工智能。而研究范式则认为，我们距离“通用人工智能”的智能水平还差两到三个研究突破，因此，我们应该将资源投入到长期研究中，特别是那些可能需要5到10年才能开花结果的项目。

　　[…]

　　一种算力优先的方法会将集群规模置于一切之上，并且会严重倾向于短期（1-2年内）的胜利，而非长期（5-10年）的押注。一种研究优先的方法则会在时间线上分散押注，并且愿意进行大量尝试，尽管每个尝试成功的绝对概率可能不高，但它们共同扩展了可能性的探索空间。

　　或许，推崇算力扩张的人是对的，除了疯狂建设服务器之外，关注其他任何事情都毫无意义。但既然已经有如此多的公司朝着那个方向前进，能看到有人选择另一条路，总归是件好事。